Συγκριτική μελέτη ερευνητικών προγραμμάτων γύρω από την «έξυπνη» διαχείριση λυμάτων και τις «έξυπνες» αγροτικές καλλιέργειες

Abstract

Η παρούσα Διπλωματική Εργασία έχει σαν βασικό της στόχο τη μελέτη γύρω από την ανάπτυξη ενός έξυπνου οικοσυστήματος, το οποίο αξιοποιώντας τεχνολογίες Διαδικτύου των Πραγμάτων και τεχνολογίες δικτύων ευρείας περιοχής χαμηλής ισχύος για συλλογή δεδομένων πραγματικού χρόνου, που θα επιτρέπει και θα βελτιστοποιεί τη χρήση ανακτημένου νερού από την έξοδο μονάδων εγκαταστάσεων επεξεργασίας λυμάτων, με ασφαλή και αποδοτικό τρόπο, στη γεωργία ακριβείας. Πιο συγκεκριμένα στο 1ο κεφάλαιο της ΔΕ γίνεται μια προσπάθεια να αναλυθούν άλλα παρόμοια ερευνητικά προγράμματα. Μέσα από αυτή την ανάλυση των προγραμμάτων σκοπός είναι να μας δοθεί η δυνατότητα μελέτης παρόμοιων project, ώστε να δούμε κοινά στοιχεία με το δικό μας πρόγραμμα ΑΥΓΕΙΑΣ. Γίνεται ανάλυση πέντε (5) τέτοιον ερευνητικών προγραμμάτων γύρω από την «έξυπνη» διαχείριση λυμάτων και τις «έξυπνες» αγροτικές καλλιέργειες. Στο 2ο κεφάλαιο της ΔΕ αναλύεται το πρόγραμμα ΑΥΓΕΙΑΣ με επίκεντρο τη Διεπαφή Χρήστη. Γίνεται προσπάθεια να εξηγηθούν αναλυτικά τόσο οι στόχοι που είχαν τεθεί για τη Διεπαφή, όσο και η ίδια η μορφή της. Στο 3ο κεφάλαιο αναλύονται τα εργαλεία τα οποία χρησιμοποιήθηκαν για την κατασκευή της. Πρώτο αναφέρεται το AWS Amplify, όπου παρουσιάζονται οι λειτουργίες του, τα πλεονεκτήματα χρήσης του, τα χαρακτηριστικά του, καθώς και η τιμολόγισή του. Στη συνέχεια παρουσιάζεται το AWS Cognito, ένα ακόμα εργαλείο που χρησιμοποιήθηκε. Και εδώ αναφέρονται οι λειτουργίες του, τα χαρακτηριστικά του και η τιμολόγισή του. Παρακάτω εξηγείται ένα ακόμα εργαλείο, αυτό του REST API, όπου δίνονται στοιχεία για το τι είναι, πως αναπτύσσεται και πως διαμορφώνεται. Τέλος γίνεται αναφορά στο REACT JS, το τελευταίο εργαλείο που αξιοποιήθηκε, και στα χαρακτηριστικά του. Στο 4ο και τελευταίο κεφάλαιο γίνεται συγκριτική μελέτη των προγραμμάτων που παρουσιάζονται στο 1ο κεφάλαιο και του προγράμματος ΑΥΓΕΙΑΣ. Μέσω αυτής της μελέτης γίνεται προσπάθεια να βγουν κάποια βασικά συμπεράσματα που θα βοηθήσουν τόσο στην ακόμα μεγαλύτερη κατανόηση του προγράμματος, όσο και στη παραπέρα βελτιστοποίησή του.